CIRF는 LLM의 추론 효율성을 높이기 위해 기능적 토큰을 활용하는 새로운 프레임워크입니다. 기존 방식의 한계를 극복하기 위해, CIRF는 명시적 체인 오브 씽킹(CoT) 과정을 기능적 토큰 시퀀스로 분해합니다.
모델은 기능적 토큰과 선택적 결과를 자동 회귀적으로 생성하도록 훈련되며, 이를 통해 병렬 훈련, 명시적 근거 정렬, 적응적 추론이 가능합니다.
수학, 기호, 상식 추론 벤치마크에서 CIRF는 기존 방식 대비 우수한 정확도와 지연 시간 균형을 제공하며, 해석 가능한 기능적 토큰을 생성하는 것으로 나타났습니다.